图生成模型

这部分内容有帮助吗？

参考文献

GraphRNN: Generating Realistic Graphs with Deep Generative Models, Jiaxuan You, Rex Ying, Xiang Ren, William Hamilton, Jure Leskovec, 2018 Proceedings of the 35th International Conference on Machine Learning, Vol. 80 (PMLR) DOI: 10.5555/3326922.3326932 - 本文介绍了GraphRNN，一种用于生成真实图的开创性自回归模型。
Variational Graph Auto-Encoders, Thomas N. Kipf, Max Welling, 2016 arXiv preprint arXiv:1611.07308 DOI: 10.48550/arXiv.1611.07308 - 这篇基础论文提出了变分图自动编码器（VGAE），一个早期且有影响力的学习图潜在表示的模型。
MolGAN: An Implicit Generative Model for Small Molecular Graphs, Nicola De Cao, Thomas Kipf, 2018 ICML 2018 workshop on Theoretical Foundations and Applications of Deep Generative Models DOI: 10.48550/arXiv.1805.11973 - 本文介绍了MolGAN，一种使用GANs生成分子图的隐式生成模型，解决了离散图结构的挑战。
A Survey on Graph Generative Models, Lin Cai, Junran Wu, Carl Yang, 2021 Transactions on Machine Learning Research (TMLR) (Transactions on Machine Learning Research) DOI: 10.48550/TMLR.2021.03756 - 这篇综述全面回顾了各种图生成模型，对不同方法进行分类，并讨论了挑战和应用。
Graph Representation Learning, William L. Hamilton, 2020 Synthesis Lectures on Artificial Intelligence and Machine Learning, Vol. 14 (Morgan & Claypool Publishers) DOI: 10.2200/S01045ED1V01Y202009AIM046 - 本书第9章详细介绍了图生成模型，包括序列、VAE和GAN方法。